布朗大学团队视觉模型可预测人类反应时,边界信号先分组后身份反馈
tserre · x · 2026-10-13
布朗大学 tserre 团队介绍其视觉模型:能对自然场景中的物体进行分组,并预测人类反应时间。机制上分两个阶段——早期分组由局部边界信号驱动;后期关于物体身份的自上而下反馈使分组信号能跨越内部边缘(如阴影或纹理变化)。模型建立在该团队此前一系列工作之上:hGRU(NeurIPS 2018)、GammaNet(ICLR 2020)、contractor recurrent backprop(NeurIPS 2020)和反应时间度量(NeurIPS 2023)。
所属事件:循环神经网络复现大脑感知分组机制并预测人类反应时(3 条相关)→
「研究」频道最新
- 世界模型研究结论:堆数据无用,关键是从数据里榨出更多;精确物理仍缺位 — mangahomanga · 2026-10-13
- 独立开发者自建推理库训练 SVG 生成模型:进化算法败给 SGD — cephaloform · 2026-10-13
- 哈佛与NTT研究：AI智能体群体规模越过临界点将失控自增殖 — Hidenori8Tanaka · 2026-10-13
- JHU 等发布 RT-Super：用影像报告替代人工标注训练肿瘤分割 — maier_ak · 2026-10-13
- 普林斯顿QUEEN模型：4B参数既能下大师级象棋又能讲解思路 — jiqizhixin · 2026-10-13
- 牛津研究：可在模型权重里加密隐藏任意能力，微调 500 步仍不解密 — zainhas · 2026-10-13